[发明专利]基于孪生网络和YOLO目标检测模型的目标跟踪方法及系统

说明书

本发明提出一种基于孪生网络和YOLO目标检测模型的目标跟踪方法及系统，其中，步骤包括：输入待测视频文件；在第一帧中框定目标，将目标框调整到固定大小，输入孪生特征提取网络提取特征；在后续帧中利用YOLO目标检测模型提取候选框，并调整到固定大小，输入孪生特征提取网络，提取特征；将后续帧分别与第一帧和前一帧的特征进行相似性度量，并得到总相关分数，得分最高的候选框作为目标轨迹进行记录，得分低于阈值判断为目标丢失，跳过当前帧继续后续帧目标搜索，形成完整的轨迹链实现目标跟踪。本发明基于孪生网络和YOLO目标检测模型的目标跟踪方法，鲁棒性好，可以有效应对目标遮挡和消失，实现对目标的完整跟踪。

技术领域

本发明涉及人工智能与计算机视觉技术领域，特别涉及一种基于孪生网络和YOLO目标检测模型的目标跟踪方法及系统。

背景技术

近年来，随着人们对更智能、更便捷、更高质量生活的向往，人工智能正在悄然渗入到各行各业并改变着我们的生活方式。计算机视觉是人工智能领域的重要分支，旨在研究如何让计算机像人类视觉系统一样智能地感知、分析、处理现实世界。以图像和视频为信息载体的各项计算机视觉算法，早已渗透到大众的日常生活中，如人脸识别、人机交互、商品检索、智能监控、视觉导航等。视频目标跟踪技术，作为计算机视觉领域中基础的、重要的研究方向之一，一直是研究人员的关注热点。

视频目标跟踪要求在已知第一帧感兴趣物体的位置和尺度信息的情况下，对该目标在后续视频帧中进行持续的定位和尺度估计。广义的目标跟踪通常包含单目标跟踪和多目标跟踪，两者既有差别又有紧密的联系。多目标跟踪算法主要包括目标检测和轨迹关联，以确保同一个物体在视频中获得固定的、唯一的数字标识。多目标跟踪通常限定在目标类别已知的场景中，如多行人、多车辆的视觉跟踪，因此，多目标跟踪算法高度依赖现成的目标检测器，物体检测的质量直接关系到后续的多目标轨迹关联。不同地，单目标跟踪算法要求处理任意类别的物体，即不知道任何关于目标的先验信息。虽然前提条件略有差异，但正如其名，单目标跟踪与多目标跟踪都紧紧围绕着视频中的物体识别与跟踪，因而在外观建模、运动分析、轨迹关联等技术细节上有紧密的关联。如何将单目标跟踪技术应用于多目标跟踪领域也被广泛研究。因此，研究经典的、通用的单目标跟踪任务对于整个跟踪领域的发展有重要意义。

当前目标跟踪的主要挑战包括：目标形态变化、目标尺度变化、目标遮挡与消失等。为了应对目标跟踪的这些挑战，人们进行了大量的研究，近年来，随着深度学习的火热发展，其在计算机视觉领域也取得了一系列突破性的研究成果，其强大的特征提取能力能够使得目标跟踪更为鲁棒，因此，基于深度学习的目标跟踪研究更加深入，尤其是基于检测和孪生网络的目标跟踪，成为当下研究的热点方向。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于孪生网络和YOLO目标检测模型的目标跟踪方法，该方法适用于针对特定目标的跟踪，鲁棒性好，可以有效应对目标跟踪过程中的遮挡和消失，实现对目标的完整跟踪。

本发明的另外一个目的在于提出一种基于孪生网络和YOLO目标检测模型的目标跟踪系统。

为达上述目的，本发明一方面实施例提出了一种基于孪生网络和YOLO目标检测模型的目标跟踪方法，包括以下步骤：输入待测视频文件；在第一帧中框定待跟踪目标，将待跟踪目标框调整到固定大小，输入孪生特征提取网络获取目标深度特征；在后续帧中利用YOLO目标检测模型提取候选框，并将全部候选框调整到固定大小，输入孪生特征提取网络获取深度特征；将后续帧的特征分别与第一帧、前一帧的特征进行相似性度量，加权求和得到总相关分数；将得分最高的候选框串联成目标轨迹进行记录，得分低于阈值判断为目标丢失，跳过当前帧继续后续帧目标搜索，形成完整的轨迹链实现目标跟踪。